论文部分内容阅读
随着汽车工业的飞速成长,人们对石油资源的需求持续增长,导致世界环境污染问题日益恶化。受限于当前电池技术的发展,理想的纯电动汽车难以快速实现推广。并联式混合动力电动汽车由于具有发动机和电力驱动双系统结构,拥有传统汽车和纯电动汽车的双重优势,短期内极具推广价值。而目前对于混合动力电动汽车(Hybrid Electric Vehicle,HEV)的能量管理策略的研究已成为HEV产业发展的重点问题本文选择并联式混合动力电动汽车作为研究对象,主要做了如下几个方面的工作:首先,介绍了HEV的研究背景,对HEV的国内外发展状况及HEV的能量管理策略的研究状况进行了简单陈述。根据典型的并联式HEV动力系统结构及相关汽车动力学知识,建立了车辆动力学模型及各主要部件的数学模型。其次,本文以最大化燃油经济性和维持电池电量在高效区域平稳变化运行为目标,提出基于优化的自适应动态规划(Adaptive Dynamic Programming,ADP)方法,并与基于规则的模糊逻辑控制策略、自适应模糊神经网络控制方法对比。再次,由于对HEV的能量管理策略的研究易受到整车复杂非线性系统、实际运行工况和驾驶员操作等多种复杂且随机的不确定因素的干扰,难以建立精确的系统模型,所以对于ADP算法中的模型部分采用BP神经网络算法逼近。然后,以电池组荷电状态(State of Charge,SOC)及发动机需求转矩及转速为系统的状态变量,以电动机的转矩为系统控制变量,考虑发动机瞬时燃料消耗率,设计代价函数,选取系统性能指标函数,对ADP算法下的能量管理策略进行了详细说明。最后,为达到更好的控制目的,利用ADVISOR平台中电辅助控制策略的数据对ADP算法中执行网络的初始权值进行逼近及预选取。同时,选定美国城市测功机运行循环工况(Urban Dynamometer Driving Schedule,UDDS),通过ADVISOR软件平台对各种控制策略进行仿真对比分析。本文的结果表明,相比于基于规则的模糊控制和自适应模糊神经网络控制策略,基于ADP能量管理最优控制可以在维持SOC的平稳变化和在高效区域工作的同时提升HEV的燃油经济性。